youssefabdelmottaleb commited on
Commit
af3c6ae
1 Parent(s): ebf87dd

End of training

Browse files
all_results.json ADDED
@@ -0,0 +1,13 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 9.973285841495994,
3
+ "eval_accuracy": 0.9900356268091739,
4
+ "eval_loss": 0.04398982226848602,
5
+ "eval_runtime": 168.2023,
6
+ "eval_samples_per_second": 106.8,
7
+ "eval_steps_per_second": 1.671,
8
+ "total_flos": 1.7813294264095949e+19,
9
+ "train_loss": 0.08161249804892577,
10
+ "train_runtime": 11582.5203,
11
+ "train_samples_per_second": 62.035,
12
+ "train_steps_per_second": 0.242
13
+ }
eval_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 9.973285841495994,
3
+ "eval_accuracy": 0.9900356268091739,
4
+ "eval_loss": 0.04398982226848602,
5
+ "eval_runtime": 168.2023,
6
+ "eval_samples_per_second": 106.8,
7
+ "eval_steps_per_second": 1.671
8
+ }
runs/Jun28_23-30-42_51c7928aca28/events.out.tfevents.1719629219.51c7928aca28.34.3 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:036026e503284fcd1623f018e5dc03a3766710e9c21d1460ea330cd3bf888f51
3
+ size 411
train_results.json ADDED
@@ -0,0 +1,8 @@
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "epoch": 9.973285841495994,
3
+ "total_flos": 1.7813294264095949e+19,
4
+ "train_loss": 0.08161249804892577,
5
+ "train_runtime": 11582.5203,
6
+ "train_samples_per_second": 62.035,
7
+ "train_steps_per_second": 0.242
8
+ }
trainer_state.json ADDED
@@ -0,0 +1,2092 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "best_metric": 0.9900356268091739,
3
+ "best_model_checkpoint": "Garbage-Classification-SWIN-Transformer/checkpoint-2800",
4
+ "epoch": 9.973285841495994,
5
+ "eval_steps": 500,
6
+ "global_step": 2800,
7
+ "is_hyper_param_search": false,
8
+ "is_local_process_zero": true,
9
+ "is_world_process_zero": true,
10
+ "log_history": [
11
+ {
12
+ "epoch": 0.03561887800534283,
13
+ "grad_norm": 3.4222159385681152,
14
+ "learning_rate": 1.7857142857142857e-06,
15
+ "loss": 1.4083,
16
+ "step": 10
17
+ },
18
+ {
19
+ "epoch": 0.07123775601068566,
20
+ "grad_norm": 3.2973814010620117,
21
+ "learning_rate": 3.5714285714285714e-06,
22
+ "loss": 1.3949,
23
+ "step": 20
24
+ },
25
+ {
26
+ "epoch": 0.10685663401602849,
27
+ "grad_norm": 3.3026835918426514,
28
+ "learning_rate": 5.357142857142857e-06,
29
+ "loss": 1.3661,
30
+ "step": 30
31
+ },
32
+ {
33
+ "epoch": 0.14247551202137132,
34
+ "grad_norm": 4.8538289070129395,
35
+ "learning_rate": 7.142857142857143e-06,
36
+ "loss": 1.3301,
37
+ "step": 40
38
+ },
39
+ {
40
+ "epoch": 0.17809439002671415,
41
+ "grad_norm": 6.877591609954834,
42
+ "learning_rate": 8.92857142857143e-06,
43
+ "loss": 1.2576,
44
+ "step": 50
45
+ },
46
+ {
47
+ "epoch": 0.21371326803205698,
48
+ "grad_norm": 5.944957256317139,
49
+ "learning_rate": 1.0714285714285714e-05,
50
+ "loss": 1.1654,
51
+ "step": 60
52
+ },
53
+ {
54
+ "epoch": 0.2493321460373998,
55
+ "grad_norm": 6.024969100952148,
56
+ "learning_rate": 1.25e-05,
57
+ "loss": 1.0324,
58
+ "step": 70
59
+ },
60
+ {
61
+ "epoch": 0.28495102404274264,
62
+ "grad_norm": 6.543083667755127,
63
+ "learning_rate": 1.4285714285714285e-05,
64
+ "loss": 0.8479,
65
+ "step": 80
66
+ },
67
+ {
68
+ "epoch": 0.3205699020480855,
69
+ "grad_norm": 5.732212543487549,
70
+ "learning_rate": 1.6071428571428572e-05,
71
+ "loss": 0.7139,
72
+ "step": 90
73
+ },
74
+ {
75
+ "epoch": 0.3561887800534283,
76
+ "grad_norm": 6.9801459312438965,
77
+ "learning_rate": 1.785714285714286e-05,
78
+ "loss": 0.5947,
79
+ "step": 100
80
+ },
81
+ {
82
+ "epoch": 0.39180765805877116,
83
+ "grad_norm": 7.786228656768799,
84
+ "learning_rate": 1.9642857142857145e-05,
85
+ "loss": 0.5308,
86
+ "step": 110
87
+ },
88
+ {
89
+ "epoch": 0.42742653606411396,
90
+ "grad_norm": 7.892849445343018,
91
+ "learning_rate": 2.1428571428571428e-05,
92
+ "loss": 0.4402,
93
+ "step": 120
94
+ },
95
+ {
96
+ "epoch": 0.4630454140694568,
97
+ "grad_norm": 6.560166835784912,
98
+ "learning_rate": 2.3214285714285715e-05,
99
+ "loss": 0.4023,
100
+ "step": 130
101
+ },
102
+ {
103
+ "epoch": 0.4986642920747996,
104
+ "grad_norm": 7.141245365142822,
105
+ "learning_rate": 2.5e-05,
106
+ "loss": 0.3745,
107
+ "step": 140
108
+ },
109
+ {
110
+ "epoch": 0.5342831700801425,
111
+ "grad_norm": 4.8248419761657715,
112
+ "learning_rate": 2.6785714285714288e-05,
113
+ "loss": 0.3398,
114
+ "step": 150
115
+ },
116
+ {
117
+ "epoch": 0.5699020480854853,
118
+ "grad_norm": 5.556511878967285,
119
+ "learning_rate": 2.857142857142857e-05,
120
+ "loss": 0.2968,
121
+ "step": 160
122
+ },
123
+ {
124
+ "epoch": 0.6055209260908282,
125
+ "grad_norm": 7.37336540222168,
126
+ "learning_rate": 3.0357142857142857e-05,
127
+ "loss": 0.2907,
128
+ "step": 170
129
+ },
130
+ {
131
+ "epoch": 0.641139804096171,
132
+ "grad_norm": 6.2109503746032715,
133
+ "learning_rate": 3.2142857142857144e-05,
134
+ "loss": 0.2644,
135
+ "step": 180
136
+ },
137
+ {
138
+ "epoch": 0.6767586821015138,
139
+ "grad_norm": 5.759757995605469,
140
+ "learning_rate": 3.392857142857143e-05,
141
+ "loss": 0.2918,
142
+ "step": 190
143
+ },
144
+ {
145
+ "epoch": 0.7123775601068566,
146
+ "grad_norm": 3.9079067707061768,
147
+ "learning_rate": 3.571428571428572e-05,
148
+ "loss": 0.251,
149
+ "step": 200
150
+ },
151
+ {
152
+ "epoch": 0.7479964381121995,
153
+ "grad_norm": 4.728653430938721,
154
+ "learning_rate": 3.7500000000000003e-05,
155
+ "loss": 0.255,
156
+ "step": 210
157
+ },
158
+ {
159
+ "epoch": 0.7836153161175423,
160
+ "grad_norm": 5.230493545532227,
161
+ "learning_rate": 3.928571428571429e-05,
162
+ "loss": 0.2118,
163
+ "step": 220
164
+ },
165
+ {
166
+ "epoch": 0.8192341941228851,
167
+ "grad_norm": 5.2034101486206055,
168
+ "learning_rate": 4.107142857142857e-05,
169
+ "loss": 0.2045,
170
+ "step": 230
171
+ },
172
+ {
173
+ "epoch": 0.8548530721282279,
174
+ "grad_norm": 5.750576972961426,
175
+ "learning_rate": 4.2857142857142856e-05,
176
+ "loss": 0.2076,
177
+ "step": 240
178
+ },
179
+ {
180
+ "epoch": 0.8904719501335708,
181
+ "grad_norm": 4.098123550415039,
182
+ "learning_rate": 4.464285714285715e-05,
183
+ "loss": 0.2077,
184
+ "step": 250
185
+ },
186
+ {
187
+ "epoch": 0.9260908281389136,
188
+ "grad_norm": 6.287376880645752,
189
+ "learning_rate": 4.642857142857143e-05,
190
+ "loss": 0.1989,
191
+ "step": 260
192
+ },
193
+ {
194
+ "epoch": 0.9617097061442564,
195
+ "grad_norm": 5.270883083343506,
196
+ "learning_rate": 4.8214285714285716e-05,
197
+ "loss": 0.1782,
198
+ "step": 270
199
+ },
200
+ {
201
+ "epoch": 0.9973285841495992,
202
+ "grad_norm": 9.215749740600586,
203
+ "learning_rate": 5e-05,
204
+ "loss": 0.1969,
205
+ "step": 280
206
+ },
207
+ {
208
+ "epoch": 0.9973285841495992,
209
+ "eval_accuracy": 0.9409374304163883,
210
+ "eval_loss": 0.17398740351200104,
211
+ "eval_runtime": 169.1651,
212
+ "eval_samples_per_second": 106.192,
213
+ "eval_steps_per_second": 1.661,
214
+ "step": 280
215
+ },
216
+ {
217
+ "epoch": 1.0329474621549422,
218
+ "grad_norm": 3.8531081676483154,
219
+ "learning_rate": 4.9801587301587306e-05,
220
+ "loss": 0.1794,
221
+ "step": 290
222
+ },
223
+ {
224
+ "epoch": 1.068566340160285,
225
+ "grad_norm": 5.727213382720947,
226
+ "learning_rate": 4.960317460317461e-05,
227
+ "loss": 0.1792,
228
+ "step": 300
229
+ },
230
+ {
231
+ "epoch": 1.1041852181656278,
232
+ "grad_norm": 5.829253673553467,
233
+ "learning_rate": 4.940476190476191e-05,
234
+ "loss": 0.1445,
235
+ "step": 310
236
+ },
237
+ {
238
+ "epoch": 1.1398040961709706,
239
+ "grad_norm": 5.027329921722412,
240
+ "learning_rate": 4.9206349206349204e-05,
241
+ "loss": 0.1282,
242
+ "step": 320
243
+ },
244
+ {
245
+ "epoch": 1.1754229741763134,
246
+ "grad_norm": 3.377734422683716,
247
+ "learning_rate": 4.900793650793651e-05,
248
+ "loss": 0.1346,
249
+ "step": 330
250
+ },
251
+ {
252
+ "epoch": 1.2110418521816562,
253
+ "grad_norm": 4.863683700561523,
254
+ "learning_rate": 4.880952380952381e-05,
255
+ "loss": 0.1141,
256
+ "step": 340
257
+ },
258
+ {
259
+ "epoch": 1.2466607301869992,
260
+ "grad_norm": 6.36651086807251,
261
+ "learning_rate": 4.8611111111111115e-05,
262
+ "loss": 0.129,
263
+ "step": 350
264
+ },
265
+ {
266
+ "epoch": 1.282279608192342,
267
+ "grad_norm": 6.058999061584473,
268
+ "learning_rate": 4.841269841269841e-05,
269
+ "loss": 0.1304,
270
+ "step": 360
271
+ },
272
+ {
273
+ "epoch": 1.3178984861976848,
274
+ "grad_norm": 3.276484251022339,
275
+ "learning_rate": 4.8214285714285716e-05,
276
+ "loss": 0.1107,
277
+ "step": 370
278
+ },
279
+ {
280
+ "epoch": 1.3535173642030276,
281
+ "grad_norm": 4.594018936157227,
282
+ "learning_rate": 4.801587301587302e-05,
283
+ "loss": 0.1185,
284
+ "step": 380
285
+ },
286
+ {
287
+ "epoch": 1.3891362422083704,
288
+ "grad_norm": 2.975635290145874,
289
+ "learning_rate": 4.781746031746032e-05,
290
+ "loss": 0.1287,
291
+ "step": 390
292
+ },
293
+ {
294
+ "epoch": 1.4247551202137132,
295
+ "grad_norm": 3.8723185062408447,
296
+ "learning_rate": 4.761904761904762e-05,
297
+ "loss": 0.1207,
298
+ "step": 400
299
+ },
300
+ {
301
+ "epoch": 1.460373998219056,
302
+ "grad_norm": 2.9883522987365723,
303
+ "learning_rate": 4.7420634920634924e-05,
304
+ "loss": 0.1012,
305
+ "step": 410
306
+ },
307
+ {
308
+ "epoch": 1.495992876224399,
309
+ "grad_norm": 4.591331481933594,
310
+ "learning_rate": 4.722222222222222e-05,
311
+ "loss": 0.1092,
312
+ "step": 420
313
+ },
314
+ {
315
+ "epoch": 1.5316117542297416,
316
+ "grad_norm": 3.980555295944214,
317
+ "learning_rate": 4.7023809523809525e-05,
318
+ "loss": 0.1025,
319
+ "step": 430
320
+ },
321
+ {
322
+ "epoch": 1.5672306322350846,
323
+ "grad_norm": 4.750612258911133,
324
+ "learning_rate": 4.682539682539683e-05,
325
+ "loss": 0.1047,
326
+ "step": 440
327
+ },
328
+ {
329
+ "epoch": 1.6028495102404274,
330
+ "grad_norm": 3.2454400062561035,
331
+ "learning_rate": 4.662698412698413e-05,
332
+ "loss": 0.0914,
333
+ "step": 450
334
+ },
335
+ {
336
+ "epoch": 1.6384683882457702,
337
+ "grad_norm": 11.585031509399414,
338
+ "learning_rate": 4.642857142857143e-05,
339
+ "loss": 0.0827,
340
+ "step": 460
341
+ },
342
+ {
343
+ "epoch": 1.674087266251113,
344
+ "grad_norm": 2.573432207107544,
345
+ "learning_rate": 4.623015873015873e-05,
346
+ "loss": 0.0866,
347
+ "step": 470
348
+ },
349
+ {
350
+ "epoch": 1.7097061442564558,
351
+ "grad_norm": 3.991711378097534,
352
+ "learning_rate": 4.603174603174603e-05,
353
+ "loss": 0.088,
354
+ "step": 480
355
+ },
356
+ {
357
+ "epoch": 1.7453250222617989,
358
+ "grad_norm": 4.302712440490723,
359
+ "learning_rate": 4.5833333333333334e-05,
360
+ "loss": 0.0985,
361
+ "step": 490
362
+ },
363
+ {
364
+ "epoch": 1.7809439002671414,
365
+ "grad_norm": 3.247912883758545,
366
+ "learning_rate": 4.563492063492064e-05,
367
+ "loss": 0.1015,
368
+ "step": 500
369
+ },
370
+ {
371
+ "epoch": 1.8165627782724845,
372
+ "grad_norm": 3.324694871902466,
373
+ "learning_rate": 4.543650793650794e-05,
374
+ "loss": 0.101,
375
+ "step": 510
376
+ },
377
+ {
378
+ "epoch": 1.8521816562778273,
379
+ "grad_norm": 5.875315189361572,
380
+ "learning_rate": 4.523809523809524e-05,
381
+ "loss": 0.0908,
382
+ "step": 520
383
+ },
384
+ {
385
+ "epoch": 1.88780053428317,
386
+ "grad_norm": 2.6438138484954834,
387
+ "learning_rate": 4.503968253968254e-05,
388
+ "loss": 0.0979,
389
+ "step": 530
390
+ },
391
+ {
392
+ "epoch": 1.9234194122885129,
393
+ "grad_norm": 2.6687426567077637,
394
+ "learning_rate": 4.4841269841269846e-05,
395
+ "loss": 0.0834,
396
+ "step": 540
397
+ },
398
+ {
399
+ "epoch": 1.9590382902938557,
400
+ "grad_norm": 3.7509348392486572,
401
+ "learning_rate": 4.464285714285715e-05,
402
+ "loss": 0.0826,
403
+ "step": 550
404
+ },
405
+ {
406
+ "epoch": 1.9946571682991987,
407
+ "grad_norm": 3.0679826736450195,
408
+ "learning_rate": 4.4444444444444447e-05,
409
+ "loss": 0.1014,
410
+ "step": 560
411
+ },
412
+ {
413
+ "epoch": 1.9982190560997328,
414
+ "eval_accuracy": 0.9755065686929414,
415
+ "eval_loss": 0.07521907240152359,
416
+ "eval_runtime": 167.9798,
417
+ "eval_samples_per_second": 106.941,
418
+ "eval_steps_per_second": 1.673,
419
+ "step": 561
420
+ },
421
+ {
422
+ "epoch": 2.0302760463045413,
423
+ "grad_norm": 4.248985290527344,
424
+ "learning_rate": 4.4246031746031744e-05,
425
+ "loss": 0.0633,
426
+ "step": 570
427
+ },
428
+ {
429
+ "epoch": 2.0658949243098843,
430
+ "grad_norm": 3.44899320602417,
431
+ "learning_rate": 4.404761904761905e-05,
432
+ "loss": 0.0665,
433
+ "step": 580
434
+ },
435
+ {
436
+ "epoch": 2.101513802315227,
437
+ "grad_norm": 4.588482856750488,
438
+ "learning_rate": 4.384920634920635e-05,
439
+ "loss": 0.0503,
440
+ "step": 590
441
+ },
442
+ {
443
+ "epoch": 2.13713268032057,
444
+ "grad_norm": 3.4909369945526123,
445
+ "learning_rate": 4.3650793650793655e-05,
446
+ "loss": 0.0513,
447
+ "step": 600
448
+ },
449
+ {
450
+ "epoch": 2.172751558325913,
451
+ "grad_norm": 2.8658242225646973,
452
+ "learning_rate": 4.345238095238096e-05,
453
+ "loss": 0.0552,
454
+ "step": 610
455
+ },
456
+ {
457
+ "epoch": 2.2083704363312555,
458
+ "grad_norm": 3.1010851860046387,
459
+ "learning_rate": 4.3253968253968256e-05,
460
+ "loss": 0.0468,
461
+ "step": 620
462
+ },
463
+ {
464
+ "epoch": 2.2439893143365985,
465
+ "grad_norm": 1.9300130605697632,
466
+ "learning_rate": 4.305555555555556e-05,
467
+ "loss": 0.0551,
468
+ "step": 630
469
+ },
470
+ {
471
+ "epoch": 2.279608192341941,
472
+ "grad_norm": 2.8282604217529297,
473
+ "learning_rate": 4.2857142857142856e-05,
474
+ "loss": 0.0525,
475
+ "step": 640
476
+ },
477
+ {
478
+ "epoch": 2.315227070347284,
479
+ "grad_norm": 4.43895149230957,
480
+ "learning_rate": 4.265873015873016e-05,
481
+ "loss": 0.0492,
482
+ "step": 650
483
+ },
484
+ {
485
+ "epoch": 2.3508459483526267,
486
+ "grad_norm": 4.581601142883301,
487
+ "learning_rate": 4.2460317460317464e-05,
488
+ "loss": 0.0506,
489
+ "step": 660
490
+ },
491
+ {
492
+ "epoch": 2.3864648263579697,
493
+ "grad_norm": 4.677193641662598,
494
+ "learning_rate": 4.226190476190476e-05,
495
+ "loss": 0.0404,
496
+ "step": 670
497
+ },
498
+ {
499
+ "epoch": 2.4220837043633123,
500
+ "grad_norm": 2.8398616313934326,
501
+ "learning_rate": 4.2063492063492065e-05,
502
+ "loss": 0.0438,
503
+ "step": 680
504
+ },
505
+ {
506
+ "epoch": 2.4577025823686554,
507
+ "grad_norm": 5.424591064453125,
508
+ "learning_rate": 4.186507936507937e-05,
509
+ "loss": 0.0544,
510
+ "step": 690
511
+ },
512
+ {
513
+ "epoch": 2.4933214603739984,
514
+ "grad_norm": 4.595205307006836,
515
+ "learning_rate": 4.166666666666667e-05,
516
+ "loss": 0.0557,
517
+ "step": 700
518
+ },
519
+ {
520
+ "epoch": 2.528940338379341,
521
+ "grad_norm": 3.7095601558685303,
522
+ "learning_rate": 4.1468253968253976e-05,
523
+ "loss": 0.0505,
524
+ "step": 710
525
+ },
526
+ {
527
+ "epoch": 2.564559216384684,
528
+ "grad_norm": 2.084617853164673,
529
+ "learning_rate": 4.126984126984127e-05,
530
+ "loss": 0.037,
531
+ "step": 720
532
+ },
533
+ {
534
+ "epoch": 2.6001780943900266,
535
+ "grad_norm": 3.442814350128174,
536
+ "learning_rate": 4.107142857142857e-05,
537
+ "loss": 0.0399,
538
+ "step": 730
539
+ },
540
+ {
541
+ "epoch": 2.6357969723953696,
542
+ "grad_norm": 3.6135501861572266,
543
+ "learning_rate": 4.0873015873015874e-05,
544
+ "loss": 0.0498,
545
+ "step": 740
546
+ },
547
+ {
548
+ "epoch": 2.671415850400712,
549
+ "grad_norm": 3.422394275665283,
550
+ "learning_rate": 4.067460317460318e-05,
551
+ "loss": 0.0526,
552
+ "step": 750
553
+ },
554
+ {
555
+ "epoch": 2.707034728406055,
556
+ "grad_norm": 4.467539310455322,
557
+ "learning_rate": 4.047619047619048e-05,
558
+ "loss": 0.0392,
559
+ "step": 760
560
+ },
561
+ {
562
+ "epoch": 2.742653606411398,
563
+ "grad_norm": 2.9515881538391113,
564
+ "learning_rate": 4.027777777777778e-05,
565
+ "loss": 0.0468,
566
+ "step": 770
567
+ },
568
+ {
569
+ "epoch": 2.778272484416741,
570
+ "grad_norm": 4.296915054321289,
571
+ "learning_rate": 4.007936507936508e-05,
572
+ "loss": 0.0534,
573
+ "step": 780
574
+ },
575
+ {
576
+ "epoch": 2.813891362422084,
577
+ "grad_norm": 2.723884344100952,
578
+ "learning_rate": 3.9880952380952386e-05,
579
+ "loss": 0.048,
580
+ "step": 790
581
+ },
582
+ {
583
+ "epoch": 2.8495102404274264,
584
+ "grad_norm": 1.9511892795562744,
585
+ "learning_rate": 3.968253968253968e-05,
586
+ "loss": 0.0429,
587
+ "step": 800
588
+ },
589
+ {
590
+ "epoch": 2.8851291184327694,
591
+ "grad_norm": 2.8428244590759277,
592
+ "learning_rate": 3.9484126984126986e-05,
593
+ "loss": 0.0386,
594
+ "step": 810
595
+ },
596
+ {
597
+ "epoch": 2.920747996438112,
598
+ "grad_norm": 5.256746768951416,
599
+ "learning_rate": 3.928571428571429e-05,
600
+ "loss": 0.0421,
601
+ "step": 820
602
+ },
603
+ {
604
+ "epoch": 2.956366874443455,
605
+ "grad_norm": 2.277379035949707,
606
+ "learning_rate": 3.908730158730159e-05,
607
+ "loss": 0.0521,
608
+ "step": 830
609
+ },
610
+ {
611
+ "epoch": 2.991985752448798,
612
+ "grad_norm": 2.638746500015259,
613
+ "learning_rate": 3.888888888888889e-05,
614
+ "loss": 0.0333,
615
+ "step": 840
616
+ },
617
+ {
618
+ "epoch": 2.9991095280498663,
619
+ "eval_accuracy": 0.9824092629703852,
620
+ "eval_loss": 0.05514274910092354,
621
+ "eval_runtime": 167.4573,
622
+ "eval_samples_per_second": 107.275,
623
+ "eval_steps_per_second": 1.678,
624
+ "step": 842
625
+ },
626
+ {
627
+ "epoch": 3.0276046304541406,
628
+ "grad_norm": 2.1443052291870117,
629
+ "learning_rate": 3.8690476190476195e-05,
630
+ "loss": 0.0221,
631
+ "step": 850
632
+ },
633
+ {
634
+ "epoch": 3.0632235084594837,
635
+ "grad_norm": 2.5836849212646484,
636
+ "learning_rate": 3.84920634920635e-05,
637
+ "loss": 0.0258,
638
+ "step": 860
639
+ },
640
+ {
641
+ "epoch": 3.0988423864648262,
642
+ "grad_norm": 4.255194187164307,
643
+ "learning_rate": 3.8293650793650795e-05,
644
+ "loss": 0.0269,
645
+ "step": 870
646
+ },
647
+ {
648
+ "epoch": 3.1344612644701693,
649
+ "grad_norm": 1.1687568426132202,
650
+ "learning_rate": 3.809523809523809e-05,
651
+ "loss": 0.0229,
652
+ "step": 880
653
+ },
654
+ {
655
+ "epoch": 3.170080142475512,
656
+ "grad_norm": 3.9044461250305176,
657
+ "learning_rate": 3.7896825396825396e-05,
658
+ "loss": 0.0241,
659
+ "step": 890
660
+ },
661
+ {
662
+ "epoch": 3.205699020480855,
663
+ "grad_norm": 3.447392225265503,
664
+ "learning_rate": 3.76984126984127e-05,
665
+ "loss": 0.0258,
666
+ "step": 900
667
+ },
668
+ {
669
+ "epoch": 3.241317898486198,
670
+ "grad_norm": 1.6584926843643188,
671
+ "learning_rate": 3.7500000000000003e-05,
672
+ "loss": 0.0221,
673
+ "step": 910
674
+ },
675
+ {
676
+ "epoch": 3.2769367764915405,
677
+ "grad_norm": 6.36900520324707,
678
+ "learning_rate": 3.730158730158731e-05,
679
+ "loss": 0.0272,
680
+ "step": 920
681
+ },
682
+ {
683
+ "epoch": 3.3125556544968835,
684
+ "grad_norm": 1.01226007938385,
685
+ "learning_rate": 3.7103174603174604e-05,
686
+ "loss": 0.0242,
687
+ "step": 930
688
+ },
689
+ {
690
+ "epoch": 3.348174532502226,
691
+ "grad_norm": 0.7302751541137695,
692
+ "learning_rate": 3.690476190476191e-05,
693
+ "loss": 0.0276,
694
+ "step": 940
695
+ },
696
+ {
697
+ "epoch": 3.383793410507569,
698
+ "grad_norm": 5.937874794006348,
699
+ "learning_rate": 3.6706349206349205e-05,
700
+ "loss": 0.03,
701
+ "step": 950
702
+ },
703
+ {
704
+ "epoch": 3.4194122885129117,
705
+ "grad_norm": 3.688383102416992,
706
+ "learning_rate": 3.650793650793651e-05,
707
+ "loss": 0.0239,
708
+ "step": 960
709
+ },
710
+ {
711
+ "epoch": 3.4550311665182547,
712
+ "grad_norm": 8.206720352172852,
713
+ "learning_rate": 3.630952380952381e-05,
714
+ "loss": 0.038,
715
+ "step": 970
716
+ },
717
+ {
718
+ "epoch": 3.4906500445235977,
719
+ "grad_norm": 1.0089924335479736,
720
+ "learning_rate": 3.611111111111111e-05,
721
+ "loss": 0.0275,
722
+ "step": 980
723
+ },
724
+ {
725
+ "epoch": 3.5262689225289403,
726
+ "grad_norm": 4.124368190765381,
727
+ "learning_rate": 3.591269841269841e-05,
728
+ "loss": 0.0383,
729
+ "step": 990
730
+ },
731
+ {
732
+ "epoch": 3.5618878005342833,
733
+ "grad_norm": 4.853917598724365,
734
+ "learning_rate": 3.571428571428572e-05,
735
+ "loss": 0.0183,
736
+ "step": 1000
737
+ },
738
+ {
739
+ "epoch": 3.597506678539626,
740
+ "grad_norm": 0.8174078464508057,
741
+ "learning_rate": 3.551587301587302e-05,
742
+ "loss": 0.0176,
743
+ "step": 1010
744
+ },
745
+ {
746
+ "epoch": 3.633125556544969,
747
+ "grad_norm": 2.9447782039642334,
748
+ "learning_rate": 3.5317460317460324e-05,
749
+ "loss": 0.0294,
750
+ "step": 1020
751
+ },
752
+ {
753
+ "epoch": 3.6687444345503115,
754
+ "grad_norm": 2.926154375076294,
755
+ "learning_rate": 3.511904761904762e-05,
756
+ "loss": 0.0257,
757
+ "step": 1030
758
+ },
759
+ {
760
+ "epoch": 3.7043633125556545,
761
+ "grad_norm": 2.566096305847168,
762
+ "learning_rate": 3.492063492063492e-05,
763
+ "loss": 0.0172,
764
+ "step": 1040
765
+ },
766
+ {
767
+ "epoch": 3.7399821905609976,
768
+ "grad_norm": 3.302891492843628,
769
+ "learning_rate": 3.472222222222222e-05,
770
+ "loss": 0.0314,
771
+ "step": 1050
772
+ },
773
+ {
774
+ "epoch": 3.77560106856634,
775
+ "grad_norm": 1.366655945777893,
776
+ "learning_rate": 3.4523809523809526e-05,
777
+ "loss": 0.0243,
778
+ "step": 1060
779
+ },
780
+ {
781
+ "epoch": 3.8112199465716827,
782
+ "grad_norm": 1.3453521728515625,
783
+ "learning_rate": 3.432539682539683e-05,
784
+ "loss": 0.0166,
785
+ "step": 1070
786
+ },
787
+ {
788
+ "epoch": 3.8468388245770258,
789
+ "grad_norm": 3.0241684913635254,
790
+ "learning_rate": 3.412698412698413e-05,
791
+ "loss": 0.0341,
792
+ "step": 1080
793
+ },
794
+ {
795
+ "epoch": 3.8824577025823688,
796
+ "grad_norm": 4.319317817687988,
797
+ "learning_rate": 3.392857142857143e-05,
798
+ "loss": 0.0199,
799
+ "step": 1090
800
+ },
801
+ {
802
+ "epoch": 3.9180765805877114,
803
+ "grad_norm": 0.412803053855896,
804
+ "learning_rate": 3.3730158730158734e-05,
805
+ "loss": 0.0282,
806
+ "step": 1100
807
+ },
808
+ {
809
+ "epoch": 3.9536954585930544,
810
+ "grad_norm": 2.4635729789733887,
811
+ "learning_rate": 3.353174603174603e-05,
812
+ "loss": 0.0201,
813
+ "step": 1110
814
+ },
815
+ {
816
+ "epoch": 3.9893143365983974,
817
+ "grad_norm": 3.8697004318237305,
818
+ "learning_rate": 3.3333333333333335e-05,
819
+ "loss": 0.0332,
820
+ "step": 1120
821
+ },
822
+ {
823
+ "epoch": 4.0,
824
+ "eval_accuracy": 0.9844689378757515,
825
+ "eval_loss": 0.05261413753032684,
826
+ "eval_runtime": 166.8993,
827
+ "eval_samples_per_second": 107.634,
828
+ "eval_steps_per_second": 1.684,
829
+ "step": 1123
830
+ },
831
+ {
832
+ "epoch": 4.02493321460374,
833
+ "grad_norm": 0.7120935916900635,
834
+ "learning_rate": 3.313492063492064e-05,
835
+ "loss": 0.0137,
836
+ "step": 1130
837
+ },
838
+ {
839
+ "epoch": 4.060552092609083,
840
+ "grad_norm": 4.946304798126221,
841
+ "learning_rate": 3.2936507936507936e-05,
842
+ "loss": 0.0199,
843
+ "step": 1140
844
+ },
845
+ {
846
+ "epoch": 4.096170970614426,
847
+ "grad_norm": 3.8117804527282715,
848
+ "learning_rate": 3.273809523809524e-05,
849
+ "loss": 0.0177,
850
+ "step": 1150
851
+ },
852
+ {
853
+ "epoch": 4.131789848619769,
854
+ "grad_norm": 1.8831413984298706,
855
+ "learning_rate": 3.253968253968254e-05,
856
+ "loss": 0.0197,
857
+ "step": 1160
858
+ },
859
+ {
860
+ "epoch": 4.167408726625111,
861
+ "grad_norm": 0.7759003639221191,
862
+ "learning_rate": 3.234126984126985e-05,
863
+ "loss": 0.0151,
864
+ "step": 1170
865
+ },
866
+ {
867
+ "epoch": 4.203027604630454,
868
+ "grad_norm": 4.501601696014404,
869
+ "learning_rate": 3.2142857142857144e-05,
870
+ "loss": 0.0148,
871
+ "step": 1180
872
+ },
873
+ {
874
+ "epoch": 4.238646482635797,
875
+ "grad_norm": 2.070884943008423,
876
+ "learning_rate": 3.194444444444444e-05,
877
+ "loss": 0.0176,
878
+ "step": 1190
879
+ },
880
+ {
881
+ "epoch": 4.27426536064114,
882
+ "grad_norm": 2.1252646446228027,
883
+ "learning_rate": 3.1746031746031745e-05,
884
+ "loss": 0.0141,
885
+ "step": 1200
886
+ },
887
+ {
888
+ "epoch": 4.309884238646482,
889
+ "grad_norm": 2.5485196113586426,
890
+ "learning_rate": 3.154761904761905e-05,
891
+ "loss": 0.017,
892
+ "step": 1210
893
+ },
894
+ {
895
+ "epoch": 4.345503116651826,
896
+ "grad_norm": 2.234440803527832,
897
+ "learning_rate": 3.134920634920635e-05,
898
+ "loss": 0.0149,
899
+ "step": 1220
900
+ },
901
+ {
902
+ "epoch": 4.3811219946571685,
903
+ "grad_norm": 0.32285788655281067,
904
+ "learning_rate": 3.1150793650793656e-05,
905
+ "loss": 0.0119,
906
+ "step": 1230
907
+ },
908
+ {
909
+ "epoch": 4.416740872662511,
910
+ "grad_norm": 1.612191081047058,
911
+ "learning_rate": 3.095238095238095e-05,
912
+ "loss": 0.0173,
913
+ "step": 1240
914
+ },
915
+ {
916
+ "epoch": 4.452359750667854,
917
+ "grad_norm": 5.2718987464904785,
918
+ "learning_rate": 3.075396825396826e-05,
919
+ "loss": 0.0201,
920
+ "step": 1250
921
+ },
922
+ {
923
+ "epoch": 4.487978628673197,
924
+ "grad_norm": 0.8849789500236511,
925
+ "learning_rate": 3.055555555555556e-05,
926
+ "loss": 0.0144,
927
+ "step": 1260
928
+ },
929
+ {
930
+ "epoch": 4.52359750667854,
931
+ "grad_norm": 2.3857195377349854,
932
+ "learning_rate": 3.0357142857142857e-05,
933
+ "loss": 0.0202,
934
+ "step": 1270
935
+ },
936
+ {
937
+ "epoch": 4.559216384683882,
938
+ "grad_norm": 0.264274924993515,
939
+ "learning_rate": 3.0158730158730158e-05,
940
+ "loss": 0.0185,
941
+ "step": 1280
942
+ },
943
+ {
944
+ "epoch": 4.594835262689225,
945
+ "grad_norm": 2.823655605316162,
946
+ "learning_rate": 2.996031746031746e-05,
947
+ "loss": 0.0158,
948
+ "step": 1290
949
+ },
950
+ {
951
+ "epoch": 4.630454140694568,
952
+ "grad_norm": 1.4026707410812378,
953
+ "learning_rate": 2.9761904761904762e-05,
954
+ "loss": 0.018,
955
+ "step": 1300
956
+ },
957
+ {
958
+ "epoch": 4.666073018699911,
959
+ "grad_norm": 3.624246120452881,
960
+ "learning_rate": 2.9563492063492066e-05,
961
+ "loss": 0.0113,
962
+ "step": 1310
963
+ },
964
+ {
965
+ "epoch": 4.7016918967052534,
966
+ "grad_norm": 7.601430892944336,
967
+ "learning_rate": 2.9365079365079366e-05,
968
+ "loss": 0.016,
969
+ "step": 1320
970
+ },
971
+ {
972
+ "epoch": 4.737310774710597,
973
+ "grad_norm": 3.959538221359253,
974
+ "learning_rate": 2.916666666666667e-05,
975
+ "loss": 0.023,
976
+ "step": 1330
977
+ },
978
+ {
979
+ "epoch": 4.7729296527159395,
980
+ "grad_norm": 5.305376052856445,
981
+ "learning_rate": 2.8968253968253974e-05,
982
+ "loss": 0.0126,
983
+ "step": 1340
984
+ },
985
+ {
986
+ "epoch": 4.808548530721282,
987
+ "grad_norm": 3.621107816696167,
988
+ "learning_rate": 2.876984126984127e-05,
989
+ "loss": 0.0174,
990
+ "step": 1350
991
+ },
992
+ {
993
+ "epoch": 4.844167408726625,
994
+ "grad_norm": 1.0203227996826172,
995
+ "learning_rate": 2.857142857142857e-05,
996
+ "loss": 0.0152,
997
+ "step": 1360
998
+ },
999
+ {
1000
+ "epoch": 4.879786286731968,
1001
+ "grad_norm": 1.6705145835876465,
1002
+ "learning_rate": 2.8373015873015875e-05,
1003
+ "loss": 0.0117,
1004
+ "step": 1370
1005
+ },
1006
+ {
1007
+ "epoch": 4.915405164737311,
1008
+ "grad_norm": 0.6089171767234802,
1009
+ "learning_rate": 2.8174603174603175e-05,
1010
+ "loss": 0.0184,
1011
+ "step": 1380
1012
+ },
1013
+ {
1014
+ "epoch": 4.951024042742653,
1015
+ "grad_norm": 1.959324836730957,
1016
+ "learning_rate": 2.797619047619048e-05,
1017
+ "loss": 0.0135,
1018
+ "step": 1390
1019
+ },
1020
+ {
1021
+ "epoch": 4.986642920747997,
1022
+ "grad_norm": 1.1502999067306519,
1023
+ "learning_rate": 2.777777777777778e-05,
1024
+ "loss": 0.0218,
1025
+ "step": 1400
1026
+ },
1027
+ {
1028
+ "epoch": 4.997328584149599,
1029
+ "eval_accuracy": 0.986584279670452,
1030
+ "eval_loss": 0.05108034238219261,
1031
+ "eval_runtime": 172.0304,
1032
+ "eval_samples_per_second": 104.423,
1033
+ "eval_steps_per_second": 1.633,
1034
+ "step": 1403
1035
+ },
1036
+ {
1037
+ "epoch": 5.022261798753339,
1038
+ "grad_norm": 1.9193094968795776,
1039
+ "learning_rate": 2.7579365079365083e-05,
1040
+ "loss": 0.0109,
1041
+ "step": 1410
1042
+ },
1043
+ {
1044
+ "epoch": 5.057880676758682,
1045
+ "grad_norm": 0.6912887096405029,
1046
+ "learning_rate": 2.7380952380952383e-05,
1047
+ "loss": 0.0092,
1048
+ "step": 1420
1049
+ },
1050
+ {
1051
+ "epoch": 5.0934995547640245,
1052
+ "grad_norm": 0.3243821859359741,
1053
+ "learning_rate": 2.718253968253968e-05,
1054
+ "loss": 0.0107,
1055
+ "step": 1430
1056
+ },
1057
+ {
1058
+ "epoch": 5.129118432769368,
1059
+ "grad_norm": 1.4951286315917969,
1060
+ "learning_rate": 2.6984126984126984e-05,
1061
+ "loss": 0.0057,
1062
+ "step": 1440
1063
+ },
1064
+ {
1065
+ "epoch": 5.1647373107747105,
1066
+ "grad_norm": 1.5525418519973755,
1067
+ "learning_rate": 2.6785714285714288e-05,
1068
+ "loss": 0.0084,
1069
+ "step": 1450
1070
+ },
1071
+ {
1072
+ "epoch": 5.200356188780053,
1073
+ "grad_norm": 1.0544503927230835,
1074
+ "learning_rate": 2.6587301587301588e-05,
1075
+ "loss": 0.0143,
1076
+ "step": 1460
1077
+ },
1078
+ {
1079
+ "epoch": 5.235975066785397,
1080
+ "grad_norm": 5.903578758239746,
1081
+ "learning_rate": 2.6388888888888892e-05,
1082
+ "loss": 0.0135,
1083
+ "step": 1470
1084
+ },
1085
+ {
1086
+ "epoch": 5.271593944790739,
1087
+ "grad_norm": 0.9685418009757996,
1088
+ "learning_rate": 2.6190476190476192e-05,
1089
+ "loss": 0.0122,
1090
+ "step": 1480
1091
+ },
1092
+ {
1093
+ "epoch": 5.307212822796082,
1094
+ "grad_norm": 1.8341890573501587,
1095
+ "learning_rate": 2.5992063492063496e-05,
1096
+ "loss": 0.0174,
1097
+ "step": 1490
1098
+ },
1099
+ {
1100
+ "epoch": 5.342831700801424,
1101
+ "grad_norm": 1.3028405904769897,
1102
+ "learning_rate": 2.5793650793650796e-05,
1103
+ "loss": 0.0074,
1104
+ "step": 1500
1105
+ },
1106
+ {
1107
+ "epoch": 5.378450578806768,
1108
+ "grad_norm": 0.8573488593101501,
1109
+ "learning_rate": 2.5595238095238093e-05,
1110
+ "loss": 0.0123,
1111
+ "step": 1510
1112
+ },
1113
+ {
1114
+ "epoch": 5.41406945681211,
1115
+ "grad_norm": 0.8495379686355591,
1116
+ "learning_rate": 2.5396825396825397e-05,
1117
+ "loss": 0.0092,
1118
+ "step": 1520
1119
+ },
1120
+ {
1121
+ "epoch": 5.449688334817453,
1122
+ "grad_norm": 4.806192874908447,
1123
+ "learning_rate": 2.5198412698412697e-05,
1124
+ "loss": 0.0117,
1125
+ "step": 1530
1126
+ },
1127
+ {
1128
+ "epoch": 5.485307212822796,
1129
+ "grad_norm": 1.6827951669692993,
1130
+ "learning_rate": 2.5e-05,
1131
+ "loss": 0.0109,
1132
+ "step": 1540
1133
+ },
1134
+ {
1135
+ "epoch": 5.520926090828139,
1136
+ "grad_norm": 1.2856072187423706,
1137
+ "learning_rate": 2.4801587301587305e-05,
1138
+ "loss": 0.0066,
1139
+ "step": 1550
1140
+ },
1141
+ {
1142
+ "epoch": 5.556544968833482,
1143
+ "grad_norm": 1.8056079149246216,
1144
+ "learning_rate": 2.4603174603174602e-05,
1145
+ "loss": 0.0103,
1146
+ "step": 1560
1147
+ },
1148
+ {
1149
+ "epoch": 5.592163846838824,
1150
+ "grad_norm": 1.3088467121124268,
1151
+ "learning_rate": 2.4404761904761906e-05,
1152
+ "loss": 0.0071,
1153
+ "step": 1570
1154
+ },
1155
+ {
1156
+ "epoch": 5.627782724844168,
1157
+ "grad_norm": 0.6147578954696655,
1158
+ "learning_rate": 2.4206349206349206e-05,
1159
+ "loss": 0.0135,
1160
+ "step": 1580
1161
+ },
1162
+ {
1163
+ "epoch": 5.66340160284951,
1164
+ "grad_norm": 3.193516969680786,
1165
+ "learning_rate": 2.400793650793651e-05,
1166
+ "loss": 0.0128,
1167
+ "step": 1590
1168
+ },
1169
+ {
1170
+ "epoch": 5.699020480854853,
1171
+ "grad_norm": 1.0563770532608032,
1172
+ "learning_rate": 2.380952380952381e-05,
1173
+ "loss": 0.0116,
1174
+ "step": 1600
1175
+ },
1176
+ {
1177
+ "epoch": 5.734639358860196,
1178
+ "grad_norm": 4.569545269012451,
1179
+ "learning_rate": 2.361111111111111e-05,
1180
+ "loss": 0.0134,
1181
+ "step": 1610
1182
+ },
1183
+ {
1184
+ "epoch": 5.770258236865539,
1185
+ "grad_norm": 1.7688589096069336,
1186
+ "learning_rate": 2.3412698412698414e-05,
1187
+ "loss": 0.0104,
1188
+ "step": 1620
1189
+ },
1190
+ {
1191
+ "epoch": 5.805877114870881,
1192
+ "grad_norm": 0.6101610064506531,
1193
+ "learning_rate": 2.3214285714285715e-05,
1194
+ "loss": 0.0124,
1195
+ "step": 1630
1196
+ },
1197
+ {
1198
+ "epoch": 5.841495992876224,
1199
+ "grad_norm": 6.201462745666504,
1200
+ "learning_rate": 2.3015873015873015e-05,
1201
+ "loss": 0.0154,
1202
+ "step": 1640
1203
+ },
1204
+ {
1205
+ "epoch": 5.8771148708815675,
1206
+ "grad_norm": 0.349431574344635,
1207
+ "learning_rate": 2.281746031746032e-05,
1208
+ "loss": 0.0073,
1209
+ "step": 1650
1210
+ },
1211
+ {
1212
+ "epoch": 5.91273374888691,
1213
+ "grad_norm": 2.9831745624542236,
1214
+ "learning_rate": 2.261904761904762e-05,
1215
+ "loss": 0.0116,
1216
+ "step": 1660
1217
+ },
1218
+ {
1219
+ "epoch": 5.948352626892253,
1220
+ "grad_norm": 2.7858543395996094,
1221
+ "learning_rate": 2.2420634920634923e-05,
1222
+ "loss": 0.0099,
1223
+ "step": 1670
1224
+ },
1225
+ {
1226
+ "epoch": 5.983971504897596,
1227
+ "grad_norm": 1.6756843328475952,
1228
+ "learning_rate": 2.2222222222222223e-05,
1229
+ "loss": 0.0086,
1230
+ "step": 1680
1231
+ },
1232
+ {
1233
+ "epoch": 5.998219056099733,
1234
+ "eval_accuracy": 0.9873079492317969,
1235
+ "eval_loss": 0.051540642976760864,
1236
+ "eval_runtime": 168.5925,
1237
+ "eval_samples_per_second": 106.553,
1238
+ "eval_steps_per_second": 1.667,
1239
+ "step": 1684
1240
+ },
1241
+ {
1242
+ "epoch": 6.019590382902939,
1243
+ "grad_norm": 3.378427028656006,
1244
+ "learning_rate": 2.2023809523809524e-05,
1245
+ "loss": 0.0089,
1246
+ "step": 1690
1247
+ },
1248
+ {
1249
+ "epoch": 6.055209260908281,
1250
+ "grad_norm": 2.4920456409454346,
1251
+ "learning_rate": 2.1825396825396827e-05,
1252
+ "loss": 0.0096,
1253
+ "step": 1700
1254
+ },
1255
+ {
1256
+ "epoch": 6.090828138913624,
1257
+ "grad_norm": 2.810772657394409,
1258
+ "learning_rate": 2.1626984126984128e-05,
1259
+ "loss": 0.0102,
1260
+ "step": 1710
1261
+ },
1262
+ {
1263
+ "epoch": 6.126447016918967,
1264
+ "grad_norm": 0.348102331161499,
1265
+ "learning_rate": 2.1428571428571428e-05,
1266
+ "loss": 0.0146,
1267
+ "step": 1720
1268
+ },
1269
+ {
1270
+ "epoch": 6.16206589492431,
1271
+ "grad_norm": 1.5229803323745728,
1272
+ "learning_rate": 2.1230158730158732e-05,
1273
+ "loss": 0.0128,
1274
+ "step": 1730
1275
+ },
1276
+ {
1277
+ "epoch": 6.1976847729296525,
1278
+ "grad_norm": 1.736290693283081,
1279
+ "learning_rate": 2.1031746031746032e-05,
1280
+ "loss": 0.011,
1281
+ "step": 1740
1282
+ },
1283
+ {
1284
+ "epoch": 6.233303650934996,
1285
+ "grad_norm": 0.5413634777069092,
1286
+ "learning_rate": 2.0833333333333336e-05,
1287
+ "loss": 0.006,
1288
+ "step": 1750
1289
+ },
1290
+ {
1291
+ "epoch": 6.2689225289403385,
1292
+ "grad_norm": 1.1734927892684937,
1293
+ "learning_rate": 2.0634920634920636e-05,
1294
+ "loss": 0.0087,
1295
+ "step": 1760
1296
+ },
1297
+ {
1298
+ "epoch": 6.304541406945681,
1299
+ "grad_norm": 0.21049003303050995,
1300
+ "learning_rate": 2.0436507936507937e-05,
1301
+ "loss": 0.0074,
1302
+ "step": 1770
1303
+ },
1304
+ {
1305
+ "epoch": 6.340160284951024,
1306
+ "grad_norm": 1.5480449199676514,
1307
+ "learning_rate": 2.023809523809524e-05,
1308
+ "loss": 0.0072,
1309
+ "step": 1780
1310
+ },
1311
+ {
1312
+ "epoch": 6.375779162956367,
1313
+ "grad_norm": 1.130774736404419,
1314
+ "learning_rate": 2.003968253968254e-05,
1315
+ "loss": 0.0082,
1316
+ "step": 1790
1317
+ },
1318
+ {
1319
+ "epoch": 6.41139804096171,
1320
+ "grad_norm": 0.9111453890800476,
1321
+ "learning_rate": 1.984126984126984e-05,
1322
+ "loss": 0.0081,
1323
+ "step": 1800
1324
+ },
1325
+ {
1326
+ "epoch": 6.447016918967052,
1327
+ "grad_norm": 0.12502439320087433,
1328
+ "learning_rate": 1.9642857142857145e-05,
1329
+ "loss": 0.0095,
1330
+ "step": 1810
1331
+ },
1332
+ {
1333
+ "epoch": 6.482635796972396,
1334
+ "grad_norm": 0.832012414932251,
1335
+ "learning_rate": 1.9444444444444445e-05,
1336
+ "loss": 0.0042,
1337
+ "step": 1820
1338
+ },
1339
+ {
1340
+ "epoch": 6.518254674977738,
1341
+ "grad_norm": 3.6857128143310547,
1342
+ "learning_rate": 1.924603174603175e-05,
1343
+ "loss": 0.0081,
1344
+ "step": 1830
1345
+ },
1346
+ {
1347
+ "epoch": 6.553873552983081,
1348
+ "grad_norm": 2.5364391803741455,
1349
+ "learning_rate": 1.9047619047619046e-05,
1350
+ "loss": 0.0089,
1351
+ "step": 1840
1352
+ },
1353
+ {
1354
+ "epoch": 6.5894924309884235,
1355
+ "grad_norm": 23.89657211303711,
1356
+ "learning_rate": 1.884920634920635e-05,
1357
+ "loss": 0.0118,
1358
+ "step": 1850
1359
+ },
1360
+ {
1361
+ "epoch": 6.625111308993767,
1362
+ "grad_norm": 2.562563180923462,
1363
+ "learning_rate": 1.8650793650793654e-05,
1364
+ "loss": 0.0096,
1365
+ "step": 1860
1366
+ },
1367
+ {
1368
+ "epoch": 6.66073018699911,
1369
+ "grad_norm": 3.3216705322265625,
1370
+ "learning_rate": 1.8452380952380954e-05,
1371
+ "loss": 0.0113,
1372
+ "step": 1870
1373
+ },
1374
+ {
1375
+ "epoch": 6.696349065004452,
1376
+ "grad_norm": 0.8016022443771362,
1377
+ "learning_rate": 1.8253968253968254e-05,
1378
+ "loss": 0.0054,
1379
+ "step": 1880
1380
+ },
1381
+ {
1382
+ "epoch": 6.731967943009796,
1383
+ "grad_norm": 3.4590423107147217,
1384
+ "learning_rate": 1.8055555555555555e-05,
1385
+ "loss": 0.0071,
1386
+ "step": 1890
1387
+ },
1388
+ {
1389
+ "epoch": 6.767586821015138,
1390
+ "grad_norm": 0.12237533181905746,
1391
+ "learning_rate": 1.785714285714286e-05,
1392
+ "loss": 0.0073,
1393
+ "step": 1900
1394
+ },
1395
+ {
1396
+ "epoch": 6.803205699020481,
1397
+ "grad_norm": 1.500787615776062,
1398
+ "learning_rate": 1.7658730158730162e-05,
1399
+ "loss": 0.0055,
1400
+ "step": 1910
1401
+ },
1402
+ {
1403
+ "epoch": 6.838824577025823,
1404
+ "grad_norm": 3.2452268600463867,
1405
+ "learning_rate": 1.746031746031746e-05,
1406
+ "loss": 0.0112,
1407
+ "step": 1920
1408
+ },
1409
+ {
1410
+ "epoch": 6.874443455031167,
1411
+ "grad_norm": 0.4780968129634857,
1412
+ "learning_rate": 1.7261904761904763e-05,
1413
+ "loss": 0.0074,
1414
+ "step": 1930
1415
+ },
1416
+ {
1417
+ "epoch": 6.910062333036509,
1418
+ "grad_norm": 0.4808253347873688,
1419
+ "learning_rate": 1.7063492063492063e-05,
1420
+ "loss": 0.0096,
1421
+ "step": 1940
1422
+ },
1423
+ {
1424
+ "epoch": 6.945681211041852,
1425
+ "grad_norm": 1.5511194467544556,
1426
+ "learning_rate": 1.6865079365079367e-05,
1427
+ "loss": 0.0047,
1428
+ "step": 1950
1429
+ },
1430
+ {
1431
+ "epoch": 6.9813000890471955,
1432
+ "grad_norm": 0.8193422555923462,
1433
+ "learning_rate": 1.6666666666666667e-05,
1434
+ "loss": 0.0057,
1435
+ "step": 1960
1436
+ },
1437
+ {
1438
+ "epoch": 6.999109528049867,
1439
+ "eval_accuracy": 0.9875306167891338,
1440
+ "eval_loss": 0.04618992656469345,
1441
+ "eval_runtime": 166.9392,
1442
+ "eval_samples_per_second": 107.608,
1443
+ "eval_steps_per_second": 1.683,
1444
+ "step": 1965
1445
+ },
1446
+ {
1447
+ "epoch": 7.016918967052538,
1448
+ "grad_norm": 0.1917089819908142,
1449
+ "learning_rate": 1.6468253968253968e-05,
1450
+ "loss": 0.0042,
1451
+ "step": 1970
1452
+ },
1453
+ {
1454
+ "epoch": 7.052537845057881,
1455
+ "grad_norm": 0.48844099044799805,
1456
+ "learning_rate": 1.626984126984127e-05,
1457
+ "loss": 0.0053,
1458
+ "step": 1980
1459
+ },
1460
+ {
1461
+ "epoch": 7.088156723063223,
1462
+ "grad_norm": 1.94171941280365,
1463
+ "learning_rate": 1.6071428571428572e-05,
1464
+ "loss": 0.0064,
1465
+ "step": 1990
1466
+ },
1467
+ {
1468
+ "epoch": 7.123775601068567,
1469
+ "grad_norm": 10.181970596313477,
1470
+ "learning_rate": 1.5873015873015872e-05,
1471
+ "loss": 0.0072,
1472
+ "step": 2000
1473
+ },
1474
+ {
1475
+ "epoch": 7.159394479073909,
1476
+ "grad_norm": 0.4458209276199341,
1477
+ "learning_rate": 1.5674603174603176e-05,
1478
+ "loss": 0.0086,
1479
+ "step": 2010
1480
+ },
1481
+ {
1482
+ "epoch": 7.195013357079252,
1483
+ "grad_norm": 1.125260829925537,
1484
+ "learning_rate": 1.5476190476190476e-05,
1485
+ "loss": 0.0064,
1486
+ "step": 2020
1487
+ },
1488
+ {
1489
+ "epoch": 7.230632235084594,
1490
+ "grad_norm": 2.555405616760254,
1491
+ "learning_rate": 1.527777777777778e-05,
1492
+ "loss": 0.0047,
1493
+ "step": 2030
1494
+ },
1495
+ {
1496
+ "epoch": 7.266251113089938,
1497
+ "grad_norm": 0.7010562419891357,
1498
+ "learning_rate": 1.5079365079365079e-05,
1499
+ "loss": 0.0027,
1500
+ "step": 2040
1501
+ },
1502
+ {
1503
+ "epoch": 7.3018699910952805,
1504
+ "grad_norm": 0.19031189382076263,
1505
+ "learning_rate": 1.4880952380952381e-05,
1506
+ "loss": 0.004,
1507
+ "step": 2050
1508
+ },
1509
+ {
1510
+ "epoch": 7.337488869100623,
1511
+ "grad_norm": 0.25679388642311096,
1512
+ "learning_rate": 1.4682539682539683e-05,
1513
+ "loss": 0.0024,
1514
+ "step": 2060
1515
+ },
1516
+ {
1517
+ "epoch": 7.3731077471059665,
1518
+ "grad_norm": 0.22514384984970093,
1519
+ "learning_rate": 1.4484126984126987e-05,
1520
+ "loss": 0.0022,
1521
+ "step": 2070
1522
+ },
1523
+ {
1524
+ "epoch": 7.408726625111309,
1525
+ "grad_norm": 1.700714111328125,
1526
+ "learning_rate": 1.4285714285714285e-05,
1527
+ "loss": 0.0069,
1528
+ "step": 2080
1529
+ },
1530
+ {
1531
+ "epoch": 7.444345503116652,
1532
+ "grad_norm": 3.598724842071533,
1533
+ "learning_rate": 1.4087301587301587e-05,
1534
+ "loss": 0.0043,
1535
+ "step": 2090
1536
+ },
1537
+ {
1538
+ "epoch": 7.479964381121994,
1539
+ "grad_norm": 0.9559303522109985,
1540
+ "learning_rate": 1.388888888888889e-05,
1541
+ "loss": 0.0069,
1542
+ "step": 2100
1543
+ },
1544
+ {
1545
+ "epoch": 7.515583259127338,
1546
+ "grad_norm": 2.183023452758789,
1547
+ "learning_rate": 1.3690476190476192e-05,
1548
+ "loss": 0.0043,
1549
+ "step": 2110
1550
+ },
1551
+ {
1552
+ "epoch": 7.55120213713268,
1553
+ "grad_norm": 0.6762595772743225,
1554
+ "learning_rate": 1.3492063492063492e-05,
1555
+ "loss": 0.0054,
1556
+ "step": 2120
1557
+ },
1558
+ {
1559
+ "epoch": 7.586821015138023,
1560
+ "grad_norm": 0.12739060819149017,
1561
+ "learning_rate": 1.3293650793650794e-05,
1562
+ "loss": 0.0059,
1563
+ "step": 2130
1564
+ },
1565
+ {
1566
+ "epoch": 7.622439893143366,
1567
+ "grad_norm": 0.8051192164421082,
1568
+ "learning_rate": 1.3095238095238096e-05,
1569
+ "loss": 0.0014,
1570
+ "step": 2140
1571
+ },
1572
+ {
1573
+ "epoch": 7.658058771148709,
1574
+ "grad_norm": 1.1333496570587158,
1575
+ "learning_rate": 1.2896825396825398e-05,
1576
+ "loss": 0.0072,
1577
+ "step": 2150
1578
+ },
1579
+ {
1580
+ "epoch": 7.6936776491540515,
1581
+ "grad_norm": 0.06419402360916138,
1582
+ "learning_rate": 1.2698412698412699e-05,
1583
+ "loss": 0.0044,
1584
+ "step": 2160
1585
+ },
1586
+ {
1587
+ "epoch": 7.729296527159395,
1588
+ "grad_norm": 1.2567334175109863,
1589
+ "learning_rate": 1.25e-05,
1590
+ "loss": 0.0028,
1591
+ "step": 2170
1592
+ },
1593
+ {
1594
+ "epoch": 7.7649154051647375,
1595
+ "grad_norm": 4.354968070983887,
1596
+ "learning_rate": 1.2301587301587301e-05,
1597
+ "loss": 0.0062,
1598
+ "step": 2180
1599
+ },
1600
+ {
1601
+ "epoch": 7.80053428317008,
1602
+ "grad_norm": 0.17071713507175446,
1603
+ "learning_rate": 1.2103174603174603e-05,
1604
+ "loss": 0.0045,
1605
+ "step": 2190
1606
+ },
1607
+ {
1608
+ "epoch": 7.836153161175423,
1609
+ "grad_norm": 0.057894542813301086,
1610
+ "learning_rate": 1.1904761904761905e-05,
1611
+ "loss": 0.0068,
1612
+ "step": 2200
1613
+ },
1614
+ {
1615
+ "epoch": 7.871772039180766,
1616
+ "grad_norm": 4.474624156951904,
1617
+ "learning_rate": 1.1706349206349207e-05,
1618
+ "loss": 0.0043,
1619
+ "step": 2210
1620
+ },
1621
+ {
1622
+ "epoch": 7.907390917186109,
1623
+ "grad_norm": 0.9991622567176819,
1624
+ "learning_rate": 1.1507936507936508e-05,
1625
+ "loss": 0.0074,
1626
+ "step": 2220
1627
+ },
1628
+ {
1629
+ "epoch": 7.943009795191451,
1630
+ "grad_norm": 0.0822732001543045,
1631
+ "learning_rate": 1.130952380952381e-05,
1632
+ "loss": 0.0041,
1633
+ "step": 2230
1634
+ },
1635
+ {
1636
+ "epoch": 7.978628673196794,
1637
+ "grad_norm": 1.9230424165725708,
1638
+ "learning_rate": 1.1111111111111112e-05,
1639
+ "loss": 0.0043,
1640
+ "step": 2240
1641
+ },
1642
+ {
1643
+ "epoch": 8.0,
1644
+ "eval_accuracy": 0.9890892896904921,
1645
+ "eval_loss": 0.045326121151447296,
1646
+ "eval_runtime": 168.1961,
1647
+ "eval_samples_per_second": 106.804,
1648
+ "eval_steps_per_second": 1.671,
1649
+ "step": 2246
1650
+ },
1651
+ {
1652
+ "epoch": 8.014247551202137,
1653
+ "grad_norm": 2.2943098545074463,
1654
+ "learning_rate": 1.0912698412698414e-05,
1655
+ "loss": 0.0047,
1656
+ "step": 2250
1657
+ },
1658
+ {
1659
+ "epoch": 8.04986642920748,
1660
+ "grad_norm": 0.5264036059379578,
1661
+ "learning_rate": 1.0714285714285714e-05,
1662
+ "loss": 0.0038,
1663
+ "step": 2260
1664
+ },
1665
+ {
1666
+ "epoch": 8.085485307212823,
1667
+ "grad_norm": 1.6306657791137695,
1668
+ "learning_rate": 1.0515873015873016e-05,
1669
+ "loss": 0.0023,
1670
+ "step": 2270
1671
+ },
1672
+ {
1673
+ "epoch": 8.121104185218165,
1674
+ "grad_norm": 0.7527822852134705,
1675
+ "learning_rate": 1.0317460317460318e-05,
1676
+ "loss": 0.0034,
1677
+ "step": 2280
1678
+ },
1679
+ {
1680
+ "epoch": 8.156723063223508,
1681
+ "grad_norm": 1.7613914012908936,
1682
+ "learning_rate": 1.011904761904762e-05,
1683
+ "loss": 0.0103,
1684
+ "step": 2290
1685
+ },
1686
+ {
1687
+ "epoch": 8.192341941228852,
1688
+ "grad_norm": 0.3057126998901367,
1689
+ "learning_rate": 9.92063492063492e-06,
1690
+ "loss": 0.002,
1691
+ "step": 2300
1692
+ },
1693
+ {
1694
+ "epoch": 8.227960819234195,
1695
+ "grad_norm": 0.1171383410692215,
1696
+ "learning_rate": 9.722222222222223e-06,
1697
+ "loss": 0.0038,
1698
+ "step": 2310
1699
+ },
1700
+ {
1701
+ "epoch": 8.263579697239537,
1702
+ "grad_norm": 0.17709870636463165,
1703
+ "learning_rate": 9.523809523809523e-06,
1704
+ "loss": 0.0104,
1705
+ "step": 2320
1706
+ },
1707
+ {
1708
+ "epoch": 8.29919857524488,
1709
+ "grad_norm": 2.5424516201019287,
1710
+ "learning_rate": 9.325396825396827e-06,
1711
+ "loss": 0.0028,
1712
+ "step": 2330
1713
+ },
1714
+ {
1715
+ "epoch": 8.334817453250222,
1716
+ "grad_norm": 1.413736343383789,
1717
+ "learning_rate": 9.126984126984127e-06,
1718
+ "loss": 0.0019,
1719
+ "step": 2340
1720
+ },
1721
+ {
1722
+ "epoch": 8.370436331255565,
1723
+ "grad_norm": 0.8712714910507202,
1724
+ "learning_rate": 8.92857142857143e-06,
1725
+ "loss": 0.0044,
1726
+ "step": 2350
1727
+ },
1728
+ {
1729
+ "epoch": 8.406055209260908,
1730
+ "grad_norm": 5.921164035797119,
1731
+ "learning_rate": 8.73015873015873e-06,
1732
+ "loss": 0.0027,
1733
+ "step": 2360
1734
+ },
1735
+ {
1736
+ "epoch": 8.441674087266252,
1737
+ "grad_norm": 0.6600878238677979,
1738
+ "learning_rate": 8.531746031746032e-06,
1739
+ "loss": 0.0094,
1740
+ "step": 2370
1741
+ },
1742
+ {
1743
+ "epoch": 8.477292965271594,
1744
+ "grad_norm": 0.046510376036167145,
1745
+ "learning_rate": 8.333333333333334e-06,
1746
+ "loss": 0.0073,
1747
+ "step": 2380
1748
+ },
1749
+ {
1750
+ "epoch": 8.512911843276937,
1751
+ "grad_norm": 0.2806013822555542,
1752
+ "learning_rate": 8.134920634920636e-06,
1753
+ "loss": 0.0074,
1754
+ "step": 2390
1755
+ },
1756
+ {
1757
+ "epoch": 8.54853072128228,
1758
+ "grad_norm": 0.09230457246303558,
1759
+ "learning_rate": 7.936507936507936e-06,
1760
+ "loss": 0.0053,
1761
+ "step": 2400
1762
+ },
1763
+ {
1764
+ "epoch": 8.584149599287622,
1765
+ "grad_norm": 1.893324851989746,
1766
+ "learning_rate": 7.738095238095238e-06,
1767
+ "loss": 0.006,
1768
+ "step": 2410
1769
+ },
1770
+ {
1771
+ "epoch": 8.619768477292965,
1772
+ "grad_norm": 1.035352349281311,
1773
+ "learning_rate": 7.5396825396825394e-06,
1774
+ "loss": 0.0056,
1775
+ "step": 2420
1776
+ },
1777
+ {
1778
+ "epoch": 8.655387355298307,
1779
+ "grad_norm": 2.519357204437256,
1780
+ "learning_rate": 7.3412698412698415e-06,
1781
+ "loss": 0.0019,
1782
+ "step": 2430
1783
+ },
1784
+ {
1785
+ "epoch": 8.691006233303652,
1786
+ "grad_norm": 0.36915910243988037,
1787
+ "learning_rate": 7.142857142857143e-06,
1788
+ "loss": 0.0053,
1789
+ "step": 2440
1790
+ },
1791
+ {
1792
+ "epoch": 8.726625111308994,
1793
+ "grad_norm": 2.2446630001068115,
1794
+ "learning_rate": 6.944444444444445e-06,
1795
+ "loss": 0.0023,
1796
+ "step": 2450
1797
+ },
1798
+ {
1799
+ "epoch": 8.762243989314337,
1800
+ "grad_norm": 0.3775590658187866,
1801
+ "learning_rate": 6.746031746031746e-06,
1802
+ "loss": 0.0039,
1803
+ "step": 2460
1804
+ },
1805
+ {
1806
+ "epoch": 8.79786286731968,
1807
+ "grad_norm": 3.002919912338257,
1808
+ "learning_rate": 6.547619047619048e-06,
1809
+ "loss": 0.0047,
1810
+ "step": 2470
1811
+ },
1812
+ {
1813
+ "epoch": 8.833481745325022,
1814
+ "grad_norm": 2.3306655883789062,
1815
+ "learning_rate": 6.349206349206349e-06,
1816
+ "loss": 0.0066,
1817
+ "step": 2480
1818
+ },
1819
+ {
1820
+ "epoch": 8.869100623330365,
1821
+ "grad_norm": 0.08028317987918854,
1822
+ "learning_rate": 6.1507936507936505e-06,
1823
+ "loss": 0.0035,
1824
+ "step": 2490
1825
+ },
1826
+ {
1827
+ "epoch": 8.904719501335707,
1828
+ "grad_norm": 1.2194794416427612,
1829
+ "learning_rate": 5.9523809523809525e-06,
1830
+ "loss": 0.0045,
1831
+ "step": 2500
1832
+ },
1833
+ {
1834
+ "epoch": 8.940338379341052,
1835
+ "grad_norm": 1.457444429397583,
1836
+ "learning_rate": 5.753968253968254e-06,
1837
+ "loss": 0.0042,
1838
+ "step": 2510
1839
+ },
1840
+ {
1841
+ "epoch": 8.975957257346394,
1842
+ "grad_norm": 1.0034886598587036,
1843
+ "learning_rate": 5.555555555555556e-06,
1844
+ "loss": 0.0012,
1845
+ "step": 2520
1846
+ },
1847
+ {
1848
+ "epoch": 8.9973285841496,
1849
+ "eval_accuracy": 0.988810955243821,
1850
+ "eval_loss": 0.04604629799723625,
1851
+ "eval_runtime": 167.0665,
1852
+ "eval_samples_per_second": 107.526,
1853
+ "eval_steps_per_second": 1.682,
1854
+ "step": 2526
1855
+ },
1856
+ {
1857
+ "epoch": 9.011576135351737,
1858
+ "grad_norm": 0.16471421718597412,
1859
+ "learning_rate": 5.357142857142857e-06,
1860
+ "loss": 0.0059,
1861
+ "step": 2530
1862
+ },
1863
+ {
1864
+ "epoch": 9.04719501335708,
1865
+ "grad_norm": 0.5944855213165283,
1866
+ "learning_rate": 5.158730158730159e-06,
1867
+ "loss": 0.0068,
1868
+ "step": 2540
1869
+ },
1870
+ {
1871
+ "epoch": 9.082813891362422,
1872
+ "grad_norm": 1.3986272811889648,
1873
+ "learning_rate": 4.96031746031746e-06,
1874
+ "loss": 0.0023,
1875
+ "step": 2550
1876
+ },
1877
+ {
1878
+ "epoch": 9.118432769367764,
1879
+ "grad_norm": 0.8911547660827637,
1880
+ "learning_rate": 4.7619047619047615e-06,
1881
+ "loss": 0.0023,
1882
+ "step": 2560
1883
+ },
1884
+ {
1885
+ "epoch": 9.154051647373107,
1886
+ "grad_norm": 2.983407735824585,
1887
+ "learning_rate": 4.563492063492064e-06,
1888
+ "loss": 0.0039,
1889
+ "step": 2570
1890
+ },
1891
+ {
1892
+ "epoch": 9.189670525378451,
1893
+ "grad_norm": 0.6036033630371094,
1894
+ "learning_rate": 4.365079365079365e-06,
1895
+ "loss": 0.0065,
1896
+ "step": 2580
1897
+ },
1898
+ {
1899
+ "epoch": 9.225289403383794,
1900
+ "grad_norm": 9.958078384399414,
1901
+ "learning_rate": 4.166666666666667e-06,
1902
+ "loss": 0.0073,
1903
+ "step": 2590
1904
+ },
1905
+ {
1906
+ "epoch": 9.260908281389137,
1907
+ "grad_norm": 0.27652016282081604,
1908
+ "learning_rate": 3.968253968253968e-06,
1909
+ "loss": 0.003,
1910
+ "step": 2600
1911
+ },
1912
+ {
1913
+ "epoch": 9.29652715939448,
1914
+ "grad_norm": 0.2213822901248932,
1915
+ "learning_rate": 3.7698412698412697e-06,
1916
+ "loss": 0.0015,
1917
+ "step": 2610
1918
+ },
1919
+ {
1920
+ "epoch": 9.332146037399822,
1921
+ "grad_norm": 0.18189971148967743,
1922
+ "learning_rate": 3.5714285714285714e-06,
1923
+ "loss": 0.0019,
1924
+ "step": 2620
1925
+ },
1926
+ {
1927
+ "epoch": 9.367764915405164,
1928
+ "grad_norm": 0.05522046610713005,
1929
+ "learning_rate": 3.373015873015873e-06,
1930
+ "loss": 0.001,
1931
+ "step": 2630
1932
+ },
1933
+ {
1934
+ "epoch": 9.403383793410507,
1935
+ "grad_norm": 2.0256989002227783,
1936
+ "learning_rate": 3.1746031746031746e-06,
1937
+ "loss": 0.0069,
1938
+ "step": 2640
1939
+ },
1940
+ {
1941
+ "epoch": 9.439002671415851,
1942
+ "grad_norm": 3.011732339859009,
1943
+ "learning_rate": 2.9761904761904763e-06,
1944
+ "loss": 0.0042,
1945
+ "step": 2650
1946
+ },
1947
+ {
1948
+ "epoch": 9.474621549421194,
1949
+ "grad_norm": 0.815857470035553,
1950
+ "learning_rate": 2.777777777777778e-06,
1951
+ "loss": 0.0021,
1952
+ "step": 2660
1953
+ },
1954
+ {
1955
+ "epoch": 9.510240427426536,
1956
+ "grad_norm": 1.9958930015563965,
1957
+ "learning_rate": 2.5793650793650795e-06,
1958
+ "loss": 0.0008,
1959
+ "step": 2670
1960
+ },
1961
+ {
1962
+ "epoch": 9.545859305431879,
1963
+ "grad_norm": 0.05693604424595833,
1964
+ "learning_rate": 2.3809523809523808e-06,
1965
+ "loss": 0.0028,
1966
+ "step": 2680
1967
+ },
1968
+ {
1969
+ "epoch": 9.581478183437222,
1970
+ "grad_norm": 4.779353618621826,
1971
+ "learning_rate": 2.1825396825396824e-06,
1972
+ "loss": 0.0071,
1973
+ "step": 2690
1974
+ },
1975
+ {
1976
+ "epoch": 9.617097061442564,
1977
+ "grad_norm": 0.09340893477201462,
1978
+ "learning_rate": 1.984126984126984e-06,
1979
+ "loss": 0.0029,
1980
+ "step": 2700
1981
+ },
1982
+ {
1983
+ "epoch": 9.652715939447907,
1984
+ "grad_norm": 1.627168893814087,
1985
+ "learning_rate": 1.7857142857142857e-06,
1986
+ "loss": 0.0038,
1987
+ "step": 2710
1988
+ },
1989
+ {
1990
+ "epoch": 9.68833481745325,
1991
+ "grad_norm": 0.4794100224971771,
1992
+ "learning_rate": 1.5873015873015873e-06,
1993
+ "loss": 0.0033,
1994
+ "step": 2720
1995
+ },
1996
+ {
1997
+ "epoch": 9.723953695458594,
1998
+ "grad_norm": 0.7291146516799927,
1999
+ "learning_rate": 1.388888888888889e-06,
2000
+ "loss": 0.0024,
2001
+ "step": 2730
2002
+ },
2003
+ {
2004
+ "epoch": 9.759572573463936,
2005
+ "grad_norm": 0.5635161399841309,
2006
+ "learning_rate": 1.1904761904761904e-06,
2007
+ "loss": 0.0009,
2008
+ "step": 2740
2009
+ },
2010
+ {
2011
+ "epoch": 9.795191451469279,
2012
+ "grad_norm": 0.027575811371207237,
2013
+ "learning_rate": 9.92063492063492e-07,
2014
+ "loss": 0.0015,
2015
+ "step": 2750
2016
+ },
2017
+ {
2018
+ "epoch": 9.830810329474621,
2019
+ "grad_norm": 0.4068202078342438,
2020
+ "learning_rate": 7.936507936507937e-07,
2021
+ "loss": 0.0019,
2022
+ "step": 2760
2023
+ },
2024
+ {
2025
+ "epoch": 9.866429207479964,
2026
+ "grad_norm": 0.08091460168361664,
2027
+ "learning_rate": 5.952380952380952e-07,
2028
+ "loss": 0.0021,
2029
+ "step": 2770
2030
+ },
2031
+ {
2032
+ "epoch": 9.902048085485307,
2033
+ "grad_norm": 0.043514594435691833,
2034
+ "learning_rate": 3.9682539682539683e-07,
2035
+ "loss": 0.005,
2036
+ "step": 2780
2037
+ },
2038
+ {
2039
+ "epoch": 9.93766696349065,
2040
+ "grad_norm": 0.17870892584323883,
2041
+ "learning_rate": 1.9841269841269841e-07,
2042
+ "loss": 0.0024,
2043
+ "step": 2790
2044
+ },
2045
+ {
2046
+ "epoch": 9.973285841495994,
2047
+ "grad_norm": 0.13601838052272797,
2048
+ "learning_rate": 0.0,
2049
+ "loss": 0.0017,
2050
+ "step": 2800
2051
+ },
2052
+ {
2053
+ "epoch": 9.973285841495994,
2054
+ "eval_accuracy": 0.9900356268091739,
2055
+ "eval_loss": 0.04398982226848602,
2056
+ "eval_runtime": 167.3655,
2057
+ "eval_samples_per_second": 107.334,
2058
+ "eval_steps_per_second": 1.679,
2059
+ "step": 2800
2060
+ },
2061
+ {
2062
+ "epoch": 9.973285841495994,
2063
+ "step": 2800,
2064
+ "total_flos": 1.7813294264095949e+19,
2065
+ "train_loss": 0.08161249804892577,
2066
+ "train_runtime": 11582.5203,
2067
+ "train_samples_per_second": 62.035,
2068
+ "train_steps_per_second": 0.242
2069
+ }
2070
+ ],
2071
+ "logging_steps": 10,
2072
+ "max_steps": 2800,
2073
+ "num_input_tokens_seen": 0,
2074
+ "num_train_epochs": 10,
2075
+ "save_steps": 500,
2076
+ "stateful_callbacks": {
2077
+ "TrainerControl": {
2078
+ "args": {
2079
+ "should_epoch_stop": false,
2080
+ "should_evaluate": false,
2081
+ "should_log": false,
2082
+ "should_save": true,
2083
+ "should_training_stop": true
2084
+ },
2085
+ "attributes": {}
2086
+ }
2087
+ },
2088
+ "total_flos": 1.7813294264095949e+19,
2089
+ "train_batch_size": 64,
2090
+ "trial_name": null,
2091
+ "trial_params": null
2092
+ }